eBook - ePub
Microsoft Azure Machine Learning
Sumit Mund
This is a test
Condividi libro
- 212 pagine
- English
- ePUB (disponibile sull'app)
- Disponibile su iOS e Android
eBook - ePub
Microsoft Azure Machine Learning
Sumit Mund
Dettagli del libro
Anteprima del libro
Indice dei contenuti
Citazioni
Domande frequenti
Come faccio ad annullare l'abbonamento?
È semplicissimo: basta accedere alla sezione Account nelle Impostazioni e cliccare su "Annulla abbonamento". Dopo la cancellazione, l'abbonamento rimarrà attivo per il periodo rimanente già pagato. Per maggiori informazioni, clicca qui
È possibile scaricare libri? Se sì, come?
Al momento è possibile scaricare tramite l'app tutti i nostri libri ePub mobile-friendly. Anche la maggior parte dei nostri PDF è scaricabile e stiamo lavorando per rendere disponibile quanto prima il download di tutti gli altri file. Per maggiori informazioni, clicca qui
Che differenza c'è tra i piani?
Entrambi i piani ti danno accesso illimitato alla libreria e a tutte le funzionalità di Perlego. Le uniche differenze sono il prezzo e il periodo di abbonamento: con il piano annuale risparmierai circa il 30% rispetto a 12 rate con quello mensile.
Cos'è Perlego?
Perlego è un servizio di abbonamento a testi accademici, che ti permette di accedere a un'intera libreria online a un prezzo inferiore rispetto a quello che pagheresti per acquistare un singolo libro al mese. Con oltre 1 milione di testi suddivisi in più di 1.000 categorie, troverai sicuramente ciò che fa per te! Per maggiori informazioni, clicca qui.
Perlego supporta la sintesi vocale?
Cerca l'icona Sintesi vocale nel prossimo libro che leggerai per verificare se è possibile riprodurre l'audio. Questo strumento permette di leggere il testo a voce alta, evidenziandolo man mano che la lettura procede. Puoi aumentare o diminuire la velocità della sintesi vocale, oppure sospendere la riproduzione. Per maggiori informazioni, clicca qui.
Microsoft Azure Machine Learning è disponibile online in formato PDF/ePub?
Sì, puoi accedere a Microsoft Azure Machine Learning di Sumit Mund in formato PDF e/o ePub, così come ad altri libri molto apprezzati nelle sezioni relative a Computer Science e Data Visualisation. Scopri oltre 1 milione di libri disponibili nel nostro catalogo.
Informazioni
Microsoft Azure Machine Learning
Table of Contents
Microsoft Azure Machine Learning
Credits
About the Author
Acknowledgments
About the Reviewers
www.PacktPub.com
Support files, eBooks, discount offers, and more
Why subscribe?
Free access for Packt account holders
Instant updates on new Packt books
Preface
What this book covers
What you need for this book
Who this book is for
Conventions
Reader feedback
Customer support
Downloading the color images of this book
Errata
Piracy
Questions
1. Introduction
Introduction to predictive analytics
Problem definition and scoping
Data collection
Data exploration and preparation
Model development
Model deployment
Machine learning
Types of machine learning problems
Classification
Regression
Clustering
Common machine learning techniques/algorithms
Linear regression
Logistic regression
Decision tree-based ensemble models
Neural networks and deep learning
Introduction to Azure Machine Learning
ML Studio
Summary
2. ML Studio Inside Out
Introduction to ML Studio
Getting started with Microsoft Azure
Microsoft account and subscription
Creating and managing ML workspaces
Inside ML Studio
Experiments
Creating and editing an experiment
Running an experiment
Creating and running an experiment – do it yourself
Workspace as a collaborative environment
Summary
3. Data Exploration and Visualization
The basic concepts
The mean
The median
Standard deviation and variance
Understanding a histogram
The box and whiskers plot
The outliers
A scatter plot
Data exploration in ML Studio
Visualizing an automobile price dataset
A histogram
The box and whiskers plot
Comparing features
A snapshot
Do it yourself
Summary
4. Getting Data in and out of ML Studio
Getting data in ML Studio
Uploading data from a PC
The Enter Data module
The Data Reader module
Getting data from the Web
Fetching a public dataset – do it yourself
Getting data from Azure
Data format conversion
Getting data from ML Studio
Saving a dataset on a PC
Saving results in ML Studio
The Writer module
Summary
5. Data Preparation
Data manipulation
Clean Missing Data
Removing duplicate rows
Project columns
The Metadata Editor module
The Add Columns module
The Add Rows module
The Join module
Splitting data
Do it yourself
The Apply SQL Transformation module
Advanced data preprocessing
Removing outliers
Data normalization
The Apply Math Operation module
Feature selection
The Filter Based Feature Selection module
The Fisher Linear Discriminant Analysis module
Data preparation beyond ready-made modules
Summary
6. Regression Models
Understanding regression algorithms
Train, score, and evaluate
The test and train dataset
Evaluating
The mean absolute error
The root mean squared error
The relative absolute error
The relative squared error
The coefficient of determination
Linear regression
Optimizing parameters for a learner – the sweep parameters module
The decision forest regression
The train neural network regression – do it yourself
Comparing models with the evaluate model
Comparing models – the neural network and boosted decision tree
Other regression algorithms
No free lunch
Summary
7. Classification Models
Understanding classification
Evaluation metrics
True positive
False positive
True negative
False negative
Accuracy
Precision
Recall
The F1 score
Threshold
Understanding ROC and AUC
Motivation for the matrix to consider
Training, scoring, and evaluating modules
Classifying diabetes or not
Two-class bayes point machine
Two-class neural network with parameter sweeping
Predicting adult income with decision-tree-based models
Do it yourself – comparing models to choose the best
Multiclass classification
Evaluation metrics – multiclass classification
Multiclass classification with the Iris dataset
Multiclass decision forest
Comparing models – multiclass decision forest and logistic regression
Multiclass classification with the Wine dataset
Multiclass neural network with parameter sweep
Do it yourself – multiclass decision jungle
Summary
8. Clustering
Understanding the K-means clustering algorithm
Creating a K-means clustering model using ML Studio
Do it yourself
Clustering versus classification
Summary
9. A Recommender System
The Matchbox recommender
Types of recommendations
Understanding the recommender modules
The Train Matchbox recommender
The number of traits
The number of recommendation algorithm iterations
The Score Matchbox recommender
The evaluate recommender
Building a recommendation system
Summary
10. Extensibility with R and Python
Introduction to R
Introduction to Python
Why should you extend through R/Python code?
Extending experiments using the Python language
Understanding the Execute Python Script module
Creating visualizations using...